基于MATLAB的齿轮传动的优化设计

齿轮机构是应用最为广泛的传动机构,而传统的设计方法繁琐且不精确,将优化设计应用到齿轮设计上有效地解决了上述问题。在众多的优化设计软件中,MATLAB在编程和数值计算方面拥有明显的优势。以二级齿轮传动为例,在系统地分析了目标函数建立、设计变量选取和约束条件确定的基础上,建立了齿轮传动的数学模型,采用SQP算法求解该优化问题。结果表明采用MATLAB求解优化设计问题,不仅算法可靠有效,而且编程简单。     

一种基于超连接的一阶逻辑反演推理算法

研究一种一阶谓词逻辑公式的反演求证算法,它是应用超连接过程来处理子句集的消解的,该算法具有比Ｒｏｂｉｎｓｏｎ的传统消解方法更高的效率,以一个实例讨论了该算法的应用,结果表明此算法可以保证在预定义的相关边界内,对任意一阶逻辑的推理具有终止性。     

三维电大尺寸复杂群目标的单站RCS的快速多极子分析

用快速多极子算法(FMM)和共轭梯度法(CG)求解三维电大尺寸复杂群目标的电磁散射特性。对单站雷达散射截面(RCS)的预估,更采用了物理光学电流近似和相位修正的继承迭代法两项措施进一步加快了求解过程。该方法具有节省内存,计算量小,迭代速度快且精确度高的特点,特别适于准确分析多个电大尺寸目标间的相互影响。用三维计算实例验证了该方法在解决电大尺寸复杂群目标电磁散射分析方面的有效性和优越性。     

过墙壁探测:层状介质中二维层析成像模拟

开发了一种基于对比源反演（CSI）算法的二维非线性逆散射技术，对层状介质中的二维物体进行层析成像并用其模拟过墙壁探测。对一些复杂模型的反演结果说明了CSI算法的有效性和进行过墙壁探测的可行性。数值模拟结果表明，在观测受到限制的情况下通过对多种频率的数据进行反演仍可以精确重构被探测目标的位置、形状及电参数。     

一种基于最小路径的多播路由优化算法

信息物理融合系统(Cyber-Physical Systems,CPS)底层是传感器、控制器和执行器等异构节点构成的无线自组网络,不同节点之间需要通过通信网络传送给感兴趣目标节点,传统的无线自组织网络一般采用单播或广播技术,但是这些往往实时性不高,通信开销大,不利于在CPS中受限节点间通信.该文针对信息物理融合系统中无线多播路由问题构建网络模型,演化为最小路径问题,数学模型为约束Steiner最小树问题,并针对该NP难问题通过启发式算法求解,再通过贪婪思想构建一种最小路径多播路由算法.最后通过与uCast以及SenCast等经典的多播路由算法仿真比较,得出其算法在实时性以及能耗等方面性能优异.     

一种适合突发通信的信号检测改进算法

突发信号检测是突发通信接收时所需完成的第1个同步算法.在双滑动窗口算法实现突发通信信号检测的基础上,利用前导码的特征对该算法进行改进.并针对几种典型的无线信道条件,对改进算法进行了理论分析、计算机仿真及FPGA实现.结果表明,改进后的算法开销小,只需6个符号左右就可以检测到突发信号,明显提高了检测算法的性能.     

梯级水电站优化调度的模糊自适应粒子群算法

针对粒子群算法容易早熟和易于陷入局部极值的缺点,提出一种梯级水电站优化调度的模糊自适应粒子群算法.在该算法中将惯性权值表示为粒子群进化速度因子和群体适应度方差的模糊函数,在每次迭代过程中动态改变惯性权值,以适应非线性优化搜索过程.针对违反约束的粒子,设计了一种动态空间调整策略来修复约束要求.为了验证算法的性能,用2个测试函数和拥有4个水电站的系统进行了测试,在求解精度和速度上与标准粒子群算法和改进惯性权值线性递减粒子群算法进行了对比,结果表明模糊自适应粒子群算法收敛速度快、精度高.     

基于演化算法的TSP求解

TSP即旅行商问题或者货郎担问题是一个易于描述但难于解决的NP问题,也是一个具有广泛的应用背景和重要理论价值的组合优化问题。简要介绍了求解TSP的若干方法,同时讨论了基于演化算法的TSP求解方法,并对TSP的求解进行了展望。     

基于无线传感器网络的Multi-top LEACH节能路由算法实现

简要回顾了传统的LEACH(Low Energy Adaptive Clustering Hierarchy)协议思想,本文提出改进措施:主要是使用新的策略,即利用路由选择转发函数来确定多跳路径中下一跳-Multi-top LEACH协议.通过NS2模拟证明使用该算法系统的生命周期增长,可延长网络的使用寿命.     

基于USBkey的虚拟实验平台动态身份认证方案设计及实现

本文提出了一种基于USBkey的动态身份认证方案,该方案利用公钥密码算法和USBKey的硬件保护特性,使密钥能够安全方便的分发和保存,避免了使用时间戳带来的重放攻击的潜在风险,并能抵抗假冒攻击和口令攻击.该动态身份认证方案很好地满足了虚拟实验平台身份认证系统的实际需求.